上海科学智能研究院发布AI前沿研究新趋势
上海科学智能研究院发布AI前沿研究新趋势
2024年11月11日，在“2024科学智能创新论坛”上，上海科学智能研究院联合复旦大学、集智科学研究中心与阿里云共同发布了“科学智能前沿观察”报告。该报告系统梳理了当前科学智能领域的十大前沿研究方向，涵盖了AI for Science、Science for AI与科学智能基础设施三个维度，标志着人工智能与基础科学的深度融合正在迅速发展。
AI for Science：AI赋能科学研究的新范式
在AI for Science领域，报告提出了五个前沿研究方向：
垂直领域科学大模型：大语言模型（LLM）通过在海量数据上进行自监督学习，构建具有强大迁移能力的通用模型，再通过微调等技术完成具体任务。目前在物质科学、生命科学、医学和气象等领域已经涌现出一批创新性垂直领域科学大模型。
融入先验知识的AI模型：将领域知识融入人工智能模型，可显著提高模型的可解释性，并实现更有效的学习和推理。例如，神经符号（Neuro-Symbolic）AI结合了神经网络的学习能力和符号AI的逻辑推理能力，其应用AlphaGeometry即是该方向的一个成功案例。
基于LLM的科学研究：探索LLM的科学能力边界，可有效整合和理解跨学科的专业知识体系，有望突破传统方法在知识关联发现上的局限。同时，LLM的出现，尤其是Agent(智能体)的运用，让AI得以更加高效而顺畅地进入科学研究的全流程。
从提出假设到自动验证的AI科学家：AI科学家和科学家助手是典型案例，它们能够参与从提出假设，到实验验证再到论文撰写的整个科研周期。
面向复杂世界的多智能体建模：运用于宏观经济系统和城市治理，提供了全新的研究方法和视角。
Science for AI：科学启发的AI新突破
在Science for AI领域，报告提出了两个前沿研究方向：
物理世界的第一性原理：这是AI研究的重要方向，泊松流模型是典型范例，其速度比扩散模型提升了10-20倍。
科学启发的可解释AI新架构：Komogorov-Arnold Networks（KAN）是一个案例，这类研究致力于解决AI的可解释性问题，使AI系统更加透明可信。
科学智能基础设施：支撑科研新范式的基石
在科学智能基础设施方面，报告提出了两个前沿方向：
合成数据：科学数据不足是制约科学智能发展的核心掣肘。合成数据（Synthetic Data）是解决这一挑战的关键工具。OpenAI的o1模型就大量运用了合成数据，生命科学、物质科学、数学和气象科学领域也在积极探索合成数据的应用。
新型智能计算：当前AI模型的参数规模和计算需求已经远超现代计算硬件的更新速度，能耗和成本也达到了经济和生态系统难以承载的地步。因此，基于光学、量子力学的新型高效计算架构成为重要研究方向，它们能够以更低的资源消耗和更小的边际成本，为科学人工智能提供高速高能效的计算能力。
科学智能的新范式与未来展望
上海科学智能研究院院长、复旦大学浩清教授漆远表示，AI与基础科学的深度融合，将开启AI与科学“双螺旋引擎”共振驱动的科学研究新范式。AI for Science和Science for AI，类似DNA和RNA的双螺旋结构，一方面，AI将成为科学研究探索的最前沿；另一方面，科学启发的AI也将成为实现AGI的重要支撑。
科学智能的新范式包括：构建AI驱动的灰盒模型，将第一性原理和人类先验知识引入AI；从单一尺度走向跨尺度，同时在多个尺度构建具有深度的科学大模型；从单一模态到多模态，整合时间序列数据、图像数据或文本数据；最终形成跨学科的统一框架和方法论。
展望未来，面向可信可解释的科学世界模型将是重要研究方向。2024年堪称科学智能的“新元年”，随着研究的深入，我们有望看到更多科学智能成果达到诺贝尔奖级别。正如漆远教授所期待的，未来将培养出能够自主发现复杂世界未知规律的“AI爱因斯坦”，这不仅是科学的期待，也是一种关于未来的憧憬。